什么是Cronbach's α系数，以及它不是什么

克隆巴赫α系数（Cronbach's alpha）是一种内部一致性系数：衡量一个量表中各题目之间相互关联的程度。它发表于1951年，是被报告次数最多的单一心理测量学统计量，而它的普及程度已经超出了它实际的有用程度。

α系数的取值范围从0到1，受两个因素驱动：题目之间的平均相关性，以及题目的数量。第二个依赖关系正是大多数误解的根源。

高α系数不代表什么

它不代表该量表测量的是同一件事。 这是最常见的错误。即使一个量表存在两三个不同的因子，只要题目整体上相关程度足够高，α系数依然可以很高。单维性必须通过因子分析来确立；α系数无法确立这一点，也从来不是为此而设计的。

它不代表该量表是有效的。 α系数完全没有说明这些题目测量的是什么。二十道关于鞋码的问题，会有极佳的内部一致性，但作为任何心理学指标的效度为零。

它不代表该量表是好的。 因为α系数会随题目数量增加而上升，一个由平庸题目组成的长量表，会在得分上超过一个由优秀题目组成的短量表。一个由四十道题组成、题目间平均相关仅为0.2的量表，其α系数会超过0.90。

非常高的α系数往往是一个警讯。 当α系数超过大约0.95时，这些题目通常几乎是彼此的同义改写。这换来了一致性，代价却是构念覆盖度：该量表对某个狭窄的方面测量得非常精确，却遗漏了构念的其余部分。这被称为衰减悖论，也是为什么一致性并非越高越好的原因。

它的前提假设

α系数是在一个特定假设——即"τ等值"（tau-equivalence，意味着每道题目对底层特质的贡献都相等）——下对信度的一个下界估计。真实的量表几乎从不满足这个假设。题目在因子上的负荷强度各不相同，而当出现这种情况时，α系数会低估真实的信度。

麦克唐纳ω系数（McDonald's omega）放弃了"贡献相等"这一假设，直接根据实际的因子负荷来估计信度。方法学家已经推荐用它取代α系数长达二十年之久。但报告实践的跟进却很缓慢，很大程度上是因为α系数是每个统计软件包里的一行代码，而ω系数则不是。

在实践中如何解读

大致的经验法则是：0.70及以上适用于比较组别的研究，0.80及以上适用于应用场景，0.90及以上适用于分数会影响个人决策的场景。应把这些数字当作方向性参考，而非硬性门槛——所需的水平完全取决于这个分数所服务的决策的重要程度。

更有信息价值的数字通常在同一篇论文的其他地方。题目间平均相关系数（0.15到0.50是一个健康的范围）能告诉你高α系数是来自题目质量还是题目数量。题目数量本身则从另一个角度告诉你同样的信息。重测信度能告诉你α系数在结构上无法告诉你的事情：这个分数在同一个人身上随时间是否稳定。

一个只报告α系数的量表，报告的是所有信度指标中最容易获得、也是最不严苛的一个。